[논문 리뷰] Discriminant analysis of solar bright points and faculae I. Classification method and center-to-limb distribution

Philippe Kobel, J. Hirzberger외 3명|Max Planck Institute for Plasma Physics|2010. 01. 28.

Solar and Space Plasma Dynamics참고 문헌 47인용 수 12

한 줄 요약

이 연구는 태양 디스크 전역의 고해상도 G-대역 이미지에서 태양 밝은 점(BPs)과 희미한 흑점(_faculae_)을 구분하기 위해 선형 판별 분석(LDA)을 사용하는 새로운 통계적 분류 방법을 제안한다. 조명도 매개변수인 대비 프로파일 폭, 기울기 및 명시적 면적을 분석함으로써, 이 방법은 BPs 또는 faculae로 기능을 분류하며, 그 결과 극가까이(μ ≥ 0.9)를 제외한 대부분의 영역에서 faculae가 지배적임을 밝혀내어, 이러한 기능 간 전이의 배경에 기울어진 자기장이 존재할 가능성을 시사한다.

ABSTRACT

While photospheric magnetic elements appear mainly as Bright Points (BPs) at the disk center and as faculae near the limb, high-resolution images reveal the coexistence of BPs and faculae over a range of heliocentric angles. This is not explained by a "hot wall" effect through vertical flux tubes, and suggests that the transition from BPs to faculae needs to be quantitatively investigated. To achieve this, we made the first recorded attempt to discriminate BPs and faculae, using a statistical classification approach based on Linear Discriminant Analysis(LDA). This paper gives a detailed description of our method, and shows its application on high-resolution images of active regions to retrieve a center-to-limb distribution of BPs and faculae. Bright "magnetic" features were detected at various disk positions by a segmentation algorithm using simultaneous G-band and continuum information. By using a selected sample of those features to represent BPs and faculae, suitable photometric parameters were identified in order to carry out LDA. We thus obtained a Center-to-Limb Variation (CLV) of the relative number of BPs and faculae, revealing the predominance of faculae at all disk positions except close to disk center (mu > 0.9). Although the present dataset suffers from limited statistics, our results are consistent with other observations of BPs and faculae at various disk positions. The retrieved CLV indicates that at high resolution, faculae are an essential constituent of active regions all across the solar disk. We speculate that the faculae near disk center as well as the BPs away from disk center are associated with inclined fields.

연구 동기 및 목표

• 고해상도 태양 이미지에서 Bright Points(BPs)와 faculae를 정량적으로 구분할 수 있는 방법을 개발함으로써, 다양한 태양중심각에서 이 둘의 공존이 표준 수직 자기장관 '핫월드' 모델에 도전하는 문제를 해결하고자 한다.
• BPs와 faculae의 상대 빈도에 대한 중심에서 가장자리로의 변화(Center-to-Limb Variation, CLV)를 조사하여, 이러한 기능 간 명확하지 않은 물리적 전이 메커니즘을 밝히고자 한다.
• 관측 및 시뮬레이션 데이터에 적용 가능한 통계적 분류 프레임워크를 구축하기 위해 조명도 매개변수를 기반으로 한 분류 방법을 수립하고자 한다.
• 실제 고해상도 데이터를 대상으로 이 방법의 타당성을 검증하고, 향후 자기장 정보를 반영한 분류 연구를 위한 기초를 마련하고자 한다.

제안 방법

• 다양한 디스크 위치에서 동시 G-대역 및 연속 스펙트럼 강도 데이터를 사용하여 밝은 자기장 기능을 감지하는 세그멘테이션 알고리즘을 적용한다.
• 각 기능에 대해, 기능의 대비 모멘트 관성에 기반해 정렬함으로써 일관된 방향성을 확보한 '특성 G-대역 대비 프로파일'을 추출한다.
• 시각적 검토와 물리적 관련성에 기반해 세 가지 조명도 매개변수인 대비 프로파일 폭, 기울기 및 명시적 면적을 분류 기준으로 선정한다.
• 시각적으로 분류된 BPs와 faculae 기반 기준 집합에 대해 선형 판별 분석(LDA)을 적용하여, 세 매개변수의 선형 조합으로 이루어진 단일 분류 변수를 유도한다.
• 모든 세그멘테이션된 기능을 BPs, faculae 또는 기각 범주로 분류하기 위해 분류 변수에 대한 최적의 임계값과 기각 범위를 결정한다.
• 이 방법을 중심각(μ) 0.6에서 0.97의 범위에 걸쳐 적용함으로써, BPs와 faculae 비율의 중심에서 가장자리로의 변화(Center-to-Limb Variation, CLV)를 추출할 수 있다.

실험 결과

연구 질문

• RQ1 고해상도 태양 이미지에서 조명도 데이터만을 기반으로 BPs와 faculae를 통계적으로 어떻게 분류할 수 있는가?
• RQ2 BPs와 faculae의 상대 빈도에 대한 중심에서 가장자리로의 변화(Center-to-Limb Variation, CLV)는 태양 디스크 전역에서 어떻게 나타나는가?
• RQ3 다른 디스크 위치에서 관측된 BPs와 faculae들은 동일한 자기 구조에 기인한 것인지, 아니면 선택 효과가 지배적인가?
• RQ4 BPs에서 faculae로의 전이가 '핫월드' 모델로 정량적으로 설명될 수 있는가, 아니면 기울어진 자기장 메커니즘이 필요한가?

주요 결과

• LDA 기반의 분류 방법은 조명도 매개변수만을 사용하여도 BPs와 faculae를 성공적으로 구분함을 입증하였으며, 실제 고해상도 데이터에 대한 타당성을 입증하였다.
• 기능 비율의 중심에서 가장자리로의 변화(Center-to-Limb Variation, CLV) 분석 결과, 극가까이(μ ≥ 0.9)를 제외한 모든 디스크 위치에서 faculae가 지배적임을 확인하였다. 이는 BPs가 중심 근처에서 우세함을 의미한다.
• 중심각이 증가할수록 faculae의 상대 수가 증가함을 확인하여, active region의 주요 구성 요소로 faculae가 태양 디스크 전역에서 지배적임을 시사한다.
• 다양한 디스크 위치에서 BPs와 faculae의 혼합 관측 결과와 일치하는 결과를 도출하여, 본 분류 접근법의 타당성을 지지한다.
• 연구는 극가까이를 포함한 전반적인 faculae의 퍼짐이 수직 자기장관이 아닌 기울어진 자기장에 의해 작용하는 '핫월드' 효과 때문일 수 있다고 추측한다.
• 이 방법은 향후 GFPI, CRISP, IBIS, SUNRISE 등의 기구에서 확보한 자기장 데이터와의 비교 분석 및 조명도 특성 분석에 기초가 될 수 있다.